【技术实现步骤摘要】
一种鲁棒于电极偏移的肌电手环手势识别方法
[0001]本专利技术涉及运动信息采集与处理和肌电模式识别
,尤其是涉及一种鲁棒于电极偏移的肌电手环手势识别方法。
技术介绍
[0002]手势识别是通过检测手势运动信息,解读手势动作意图的技术,能够提供一种自然和直观的人机交互方式,在消费电子领域展现了很强的应用前景。根据不同的手势运动信息感知方式,现有的手势识别技术大都基于视觉、雷达、运动传感器以及表面肌电等方法。近年来,表面肌电传感器和运动传感器因其低成本、高便携性和不易受外界环境干扰等优势,越来越多的被共同集成至可穿戴手环中,作为一种消费级的电子产品,多称为肌电手环。
[0003]肌电手环佩戴于手腕或前臂部位,以无创的方式在皮肤表面采集表面肌电信号。基于表面肌电信号的手势识别归属于肌电控制技术,涉及电生理信号检测、处理与应用技术,是康复工程、人机交互、机器人控制等领域的研究热点。在以往的研究中,基于表面肌电的手势识别在理想的实验环境下能够取得很高的准确率,但在实际使用中往往因为重复穿戴不可避免地导致肌电电极在皮肤表 ...
【技术保护点】
【技术特征摘要】
1.一种鲁棒于电极偏移的肌电手环手势识别方法,其特征在于:包括以下步骤:步骤一:用户穿戴肌电手环,根据语音提示将手臂放置于中立位并保持一秒钟,采集运动传感器的四元数数据并转换为欧拉角,记录所述欧拉角中的翻滚角;步骤二:采集N种不同手势动作的C个通道的表面肌电信号,对原始信号以300ms的窗长和100ms的步长的重叠分析窗进行数据分割;利用幅值阈值法进行活动段的检测,得到手势的活动段信号;对所述活动段信号的每个分析窗,计算得到格式为C*7的特征图像;步骤三:利用三次多项式插值法对所述特征矩阵进行通道间的插值,得到格式为360*7的升采样特征矩阵;通过特征图像的平移与降采样,模拟得到不同位置的特征图像数据集;步骤四:分别使用所述多个位置的特征数据集,训练多个线性判别分类器,并根据位置编号;步骤五:用户重新穿戴肌电手环,重复所述步骤一的内容,再次记录翻滚角,并计算与步骤一中翻滚角的差值,得到电极偏移的角度,根据所计算的电极偏移角度匹配出位置最近的分类器;步骤六:用户随机做出所述N种手势中的一种,使用步骤五所选择的分类器进行预测,得到手势识别的决策结果。2.根据权利要求1所述的一种鲁棒于电极偏移的肌电手环手势识别方法,其特征在于,多个旋转偏移位置的特征数据集,仅有初始位置的数据是采集自用户的实际数据,其余位置的数据均是通过所述步骤三中的数据增强过程模拟得出。3.根据权利要求1所述的一种鲁棒于电极偏移的肌电手环手势识别方法,其特征在于,在实际使用阶段,所述电极偏移角度的检测是利用运动传感器实现的,检测时间为1秒,检测完成后选择距离最近的分类器,不对特征进行任何处理,直接进行手势识别。4.根据权利要求1所述的一种鲁棒于电极偏移的肌电手...
【专利技术属性】
技术研发人员:陈璋,
申请(专利权)人:飞矩科技上海有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。